NetApp 在其全闪存 ASA 块存储产品系列中新增多款型号,推出新的 FAS 混合闪存文件存储系统 (FAS50),推出面向 HPC 的新型 E 系列 SAN 存储 (EF300C 和 EF600C),并扩展了勒索软件检测和恢复保障至块存储产品线。
全新的 ASA A20、A30 和 A50 主要采用了升级版的 CPU、PCIe 和内存组件。这些产品定位于 ASA 块存储产品系列的入门级和中端市场,作为现有 A70、A90 和 A1K 的补充,同时替代 A250 和 A400。
A20 的原始容量范围从 15TB (太字节) 到 734TB,通过数据压缩可达到 3.2PB (拍字节),集群模式下最高可达 19PB。A50 的原始容量为 68TB 至 1.8PB,集群模式下有效容量最高可达 48PB。
NetApp 的 ASA 系列 (All-SAN Array) 是其面向本地部署的硬件形式闪存块存储产品,可添加云端容量。ASA 实际上是 NetApp 的 AFF 全闪存阵列系列,但关闭了 NAS 功能。
所有新款 A 系列阵列均采用 2U 机架设计。A50 与现有的 A70 在容量上有所重叠,但后者采用 4U 机架设计以提供更多连接选项,NetApp 首席技术专家 Grant Caley 如是说。
"更高规格的阵列可以安装提供更多 I/O 选项的卡片。在较低规格的模块化系统中,这些功能是集成的。"
据 NetApp 介绍,A20 比现有 A150 快 72%,而 A30 和 A50 则分别比其所取代的 A250 和 A400 快 109% 和 171%。A150 和 A250 于 2023 年 5 月推出,容量分别为 0.5PB 和 1.1PB。
ASA 产品的升级稍晚于 NetApp 对其 AFF 全闪存文件存储产品的升级。Caley 表示,这只是由于时间限制造成的。"工程师的数量是有限的,而且 AFF 是更受客户欢迎的平台。"
此外,NetApp 还对其 E 系列产品进行了类似的组件升级,推出了新的 EF300C 和 EF600C。E 系列源自 NetApp 在 2011 年收购 Engenio。这些产品运行 SanTricity 操作系统,最初仅支持机械硬盘,后来在 2013 年 NetApp 首次进军闪存存储市场时添加了闪存支持。
它们仍然是混合闪存系统(这意味着它们也可以使用 HDD),但新型号现在可以使用 30TB 和 60TB 容量的高密度 QLC 闪存驱动器。
Caley 说:"我称之为'简单 SAN'。这是一个非常高密度的阵列,具有海量吞吐量,适合 HPC 类型的使用场景,只需要快照和复制功能。"
"随着闪存成本上涨,我们看到 HDD 的使用率有所上升,主要用于次要和低性能工作负载。"
FAS 产品线也迎来了新成员。这是 NetApp 长期存在的"文件服务器"系列的继任者,仍然采用混合闪存设计。新的 FAS50 位于 2820 和 FAS70 之间,在高可用性系统中提供 100TB 到 10.6PB 的原始容量,集群模式下最高可达 127PB。
同时,NetApp 将于今年晚些时候发布用于块存储的 NetApp OnTap 自主勒索软件保护和人工智能系统 (ARP/AI)。这包括为块存储重新包装的 NetApp 勒索软件保障,名为"勒索软件检测计划",如果其勒索软件检测未能发现入侵,公司承诺最初将免费帮助客户恢复。
NetApp 对此充满信心,并强调了其勒索软件检测和恢复功能。这包括基于机器学习的异常检测,可以识别涉及数据加密的异常模式和异常用户活动。
与之前的版本一样,当 AI 发现异常活动时,它会立即触发快照,客户可以从中恢复。
最后,在 NetApp 的混合云存储管理平台 BlueXP 中,客户现在还可以模拟勒索软件攻击及其恢复过程。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。